基于近地表特征的探地雷达铁路基础设施检测与分类

研究人员提出了一种利用探地雷达(GPR)检测并分类铁路基础设施的方法。在德国某区域铁路网共采集七次行程数据，覆盖总里程57.4 km，涵盖有砟轨道、道岔、含显著金属构件的桥梁及上跨桥等多种设施。多通道GPR传感器阵列的数据经过预处理生成空间B扫描图像，采用重叠滑动窗口提取统计与结构特征，包括能量(ENR)、深度(DEP)和偏度(SKW)。检测算法以流式方式运行，结合基于相关的模式匹配与基于特征的阈值判定，并在状态机架构下完成分类。评估结果表明，该方法在铁路基础设施检测与分类方面总体性能优异（准确率98%–100%），仅在空间距离较近或物理相连的道岔场景中，开关方向估计出现少量误判（准确率82%–100%）。

该研究针对现代铁路运营中列车定位依赖轨道相对位置、传统测速与车轮传感器易产生累积误差、全球导航卫星系统(GNSS)在隧道等环境中失效、以及轨道旁应答器(Balise)部署维护成本高的问题，提出将探地雷达(GPR)作为可靠的替代传感手段，通过识别固定位置的铁路基础设施元素辅助校正里程计漂移并确定行驶路径。研究人员在德国Rothensee至Magdeburg的区域铁路网开展了实地测量，使用四通道400 MHz GPR传感器阵列采集数据，并结合多普勒雷达作为速度参考，构建了包含有砟轨道、道岔、桥梁和上跨桥的真实场景数据集。实验表明，该方法可实现高精度检测与分类，并在多数情况下可靠识别道岔类型，仅在相邻且物理相连的道岔区域出现轻微的方向误判。研究成果发表于《International Journal of Microwave and Wireless Technologies》，为减少轨道旁专用硬件依赖、提高列车定位可靠性提供了可行的技术方案。

关键技术方法方面，研究人员采用了多通道GPR传感器阵列采集轨面及周边反射信号，经背景减除、时变增益、匹配滤波与希尔伯特变换生成空间B扫描图像，并以1 m滑动窗口提取能量(ENR)、深度(DEP)和偏度(SKW)三类特征，通过基于相关的模式匹配与基于阈值的规则判断相结合的状态机实现流式分类。样本来自德国实地铁路网的七次独立行程，覆盖57.4 km轨道，并辅以一次单独参考行程用于特征校准。

研究结果分为多个部分。在轨道网络与基础设施元素方面，研究涵盖了27组道岔、11座上跨桥、5座含显著金属构件的桥梁，以及部分平交道口，验证了多场景适应性。测量设置与初始信号处理阶段，研究人员将A扫描信号转化为空间B扫描，并通过归一化和深度区间截取增强特征稳定性。特征选择与校准部分，选定了能量(ENR)、深度(DEP)和偏度(SKW)三类指标，并通过百分位归一化消除通道间差异。特征属性与道岔参考模式生成中，利用对称性和镜像操作生成统一的道岔参考模板，以提高方向识别效率。分类方法采用流式架构，以20 m特征窗口并行执行基于相关的道岔方向估计与基于阈值的设施检测，并由状态机综合判定。结果显示，基础设施检测准确率≥98%，仅个别相邻道岔的方向识别率略低（最低82%），模拟实验进一步证实该方法在不同长度和间距条件下具有鲁棒性。

在讨论与结论部分，研究人员指出，该方法在有砟轨道环境下能够稳定检测并分类多种铁路基础设施，并有效支持列车定位系统的里程校正。剩余误判主要来自物理相连的道岔未被参考数据集覆盖，导致特征模式变化超出识别范围。未来工作应扩大参考数据集覆盖范围，并集成至实时定位框架中，以适应环境与运营条件的变化。